preserve restore——stata的起死回生之术

原创 2016-11-14 余金馨 爬虫俱乐部爬虫俱乐部

哈喽，诸君安啊！偷偷告诉各位，小编今天要跟大家分享的东西可不得了了，有stata中起死回生术之称。Stata中，为了使部分程序的运行不影响之前的内容，我们一般会使用起死回生命令“preserve ，restore”。

起死回生的秘密：preserve 命令可以把之前的内容保存在一个临时内存空间中，这样保存的文件，无论 preserve 以后我们对文件进行什么操作，都可以随时通过restore将preserve命令之前的文件恢复到内存中，继续使用。这意味着，在preserve 后我们可以肆无忌惮的折腾数据，只要restore一下，原数据就会重现~~~

一、preserve，restore，起死回生

以如下C刊目录源数据（数据已放入百度云中供大家下载，链接如下：http://pan.baidu.com/s/1c2IE2g4）的整理为例让我们感受起死回生的神奇~:

infix strL var 1-200 using C刊目录源数据.txt, clear

导入C刊目录源数据后，我们会发现stata只有一个变量v，要整理该数据，我们需要把所有期刊名称、主办单位和CN号分别提取出来并相对应地放入三个变量中。preserve，restore可以保证我们提取期刊名称后的数据依然可用于提取主办单位、CN号。

首先我们删去不需要的字符串观测值，并为每种期刊生成id，便于期刊名称、主办单位和CN号提取出来后能一一对应。

drop if var=="期刊名称"

drop if var=="主办（管）单位"

drop if var=="CN号"

drop if var==""

drop if regexm(var,"（[0-9]+种）")

gen id = (mod(_n,3)==1)

replace id = sum(id)
分析后我们发现，期刊名称所在行数除以三余一，主办单位所在行数除以三余二，而CN号所在行数能整除三。借此规律，我们可以提取期刊名称、主办单位、CN号。

在这个过程中preserve restore就会为我们展示每次提取后原数据是如何起死回生的:

preserve

keep if mod(_n,3)==1

rename var journal

sort id

save 期刊名称,replace

restore

br后我们发现内存中的数据并没有变，而期刊名称文件中只保留了所有期刊的名称（若没有preserve restore，我们内存中的数据就只剩了期刊名称）。
因此，我们可以放心地提取主办单位和CN号

preserve

keep if mod(_n,3)==2

rename var publisher

sort id

save 主办单位,replace

restore

preserve

keep if mod(_n,3)==0

rename var CN

sort id

save CN号,replace

restore

至此我们运用preserve restore的起死回生对原数据做了三次不同的处理，得到了期刊名称、主办单位、CN号三个数据文件。接下来我们可以用merge命令将这三个数据文件根据id号横向合并在一个数据文件中，这也是我们最开始生成id号的原因。

use 期刊名称,clear

sort id

merge 1:1 id using 主办单位

drop _m

sort id

merge 1:1 id using CN号

drop _m

drop id

save CSSCI, replace

结果如下：
二、preseve，restore循环，生生不息

preserve，restore是最基础却最好用的命令，它可以满足我们对数据进行多次不同处理的需求。试想我们将其写入循环，我们就可以对一个数据文件进行足够多的数据处理达到我们的目的。比如我们想将cntrade所下载的浦发银行股票数据按照按照年份拆分保存,首先我们用cntrade命令下载浦发银行数据并生成年份:

clear

cap mkdir "C:\cntrade"

cd c:\cntrade

cntrade 600000

gen year = year(date)

结果如图所示：

我们很容易想到：

keep if year == 2016

save 浦发银行_2016

这样就把2016年的数据拆分并保存下来了。但是，命令运行完之后，我们其他的数据被deleted掉了，无法继续保存其他年股票的数据了。这时候 preserve，restore就可以大显身手，由于年份从1999到2016太多，我们将preserve，restore写入小循环中就可以省去一遍又一遍的keep if，得到每一年的数据。命令如下：

forv i = 1999/2016{

preserve

keep if year == `i'

save 浦发银行_`i'

restore

}

运行结果如下：